机器学习-线性回归

发布时间：2024年01月13日

1、线性回归解决的问题

线性回归是利用被称为线性回归方程的最小平方函数对一个或者多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或者多个被称为回归系数的模型参数的线性组合。
在这里插入图片描述

2、一元线性回归

一元线性回归分析：找到一条直线能够最大程度上拟合二维空间中出现的点。
在这里插入图片描述

3、多元线性回归

多元线性回归分析：如果自变量多于1个，那么就要求一个多元函数去拟合空间中的点。
在这里插入图片描述

在这里插入图片描述
要求使得所有点到这条线的误差最小。
在这里插入图片描述
误差推导

在这里插入图片描述
误差最小化

在这里插入图片描述

误差优化方法：
最小二乘法
梯度下降法

4、最小二乘法

在这里插入图片描述

5、梯度下降法

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

6、线性回归的应用

通过大量样本的试验学习到线性函数，然后根据新的样本外的特征数据，预测结果。

文章来源:https://blog.csdn.net/qq_44696532/article/details/135543668
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章